PENERAPAN INVERSE GAUSSIAN HYBRID ESTIMATOR (IGH) DALAM MENGATASI MULTIKOLINEARITAS PADA JUMLAH KASUS TUBERCULOSIS (TBC)

GRACIA , TRIFENA SINTAULI (2026) PENERAPAN INVERSE GAUSSIAN HYBRID ESTIMATOR (IGH) DALAM MENGATASI MULTIKOLINEARITAS PADA JUMLAH KASUS TUBERCULOSIS (TBC). FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (211Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (3008Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2966Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Inverse Gaussian Regression (IGR) merupakan salah satu pendekatan dalam Generalized Linear Model (GLM) yang digunakan untuk memodelkan data dengan distribusi menceng ke kanan (positively skewed). Estimasi parameter pada model IGR dilakukan menggunakan metode Inverse Gaussian Maximum Likelihood (IGML). Ketika terjadi multikolinearitas yang tinggi, estimator IGML menjadi tidak stabil karena variansi koefisien meningkat sehingga nilai MSE besar. Penelitian ini bertujuan untuk membandingkan kinerja metode IGML dengan Inverse Gaussian Hybrid Estimator (IGH) dalam mengatasi permasalahan multikolinearitas pada pemodelan Jumlah kasus Tuberculosis (TBC) di 28 kabupaten/kota Provinsi Jawa Barat tahun 2022–2024. Hasil analisis menunjukkan adanya multikolinearitas yang ditandai dengan nilai korelasi yang tinggi serta nilai VIF yang besar. Estimasi menggunakan metode IGH menghasilkan penyusutan koefisien (shrinkage) sehingga model menjadi lebih stabil. Dengan demikian, metode IGH merupakan estimator yang lebih baik dibandingkan IGML. Kata Kunci: Inverse Gaussian Regression, IGML, IGH, Multikolinearitas, Tuberculosis, Mean Square Error.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika
Pengguna Deposit:	2605682237 Digilib
Date Deposited:	17 Jun 2026 01:25
Terakhir diubah:	17 Jun 2026 01:25
URI:	http://digilib.unila.ac.id/id/eprint/100524

Actions (login required)

Lihat Karya Akhir